Matematica e Consulenza: un connubio...
Transcript of Matematica e Consulenza: un connubio...
Matematica e Consulenza:
un connubio perfetto
Mirco PatriarcaUniversità di Pavia, Marzo 2018
Copyright © 2018 Accenture All rights reserved.
AGENDA
• La mia storia
• Cosa vuol dire essere un consulente
• «Data is the new Oil»
• Esempi di progetto
▪ Geo-localization clustering for a Global bank
▪ Customer behavioural segmentation for a Global bank
• Accenture overview
Copyright © 2018 Accenture All rights reserved.
LA MIA STORIA: ING. MATEMATICO AL SERVIZIO DELLE IMPRESE
Ingegneria Matematica
Ecole d’Ingénieur
✓ Tesi Magistrale nel Dipartimento di Matematica(Prof. Secchi, Vantini, Sangalli)
“Functional Data Analysis of brain spike trains”
✓ Invitato a presentare i risultati della tesi in USA (Ohio State
University)
✓ Articolo pubblicato sull’Electronic Journal of Statistics:
“Analysis of Spike Trains Data: an application of K-Mean
Alignment”
✓ Coautore di un R package “fdakma”, disponibile sul CRAN:
http://cran.r-project.org/web/packages/fdakma/fdakma.pdf
✓ Cognitive & Analytics Consultant @IBM
✓ Information & Data Strategist @Accenture
Top Industrial
Managers for Europe
Copyright © 2018 Accenture All rights reserved.
COSA VUOL DIRE ESSERE UN CONSULENTE
Essere un Consulente vuol dire RISOLVERE PROBLEMI!
Copyright © 2018 Accenture All rights reserved. 5
«DATA IS THE NEW OIL»PERCHÉ LE COMPETENZE MATEMATICHE SONO NECESSARIE NEL MERCATO DI OGGI
Copyright © 2018 Accenture All rights reserved.
ESEMPIO: GEO-LOCALIZATION CLUSTERING FOR A GLOBAL BANK
Identificare i movimenti dei clienti e i luoghi preferiti analizzando la
geolocalizzazione dei dati interni ed esterni al fine di ottimizzare la rete
delle filiali in termini di efficienza, migliorando la Customer Care e
intraprendendo iniziative di Co-Marketing
Obiettivo
Approccio
1
2
3
Identificare i movimenti del Cliente
Identificare i luoghi abituali del cliente (casa, lavoro, ecc.) e i siti
dove effettua transazioni con le carte di credito/debito
Applicare Algoritmo di ML
Utilizzare degli algoritmi di clustering non supervisionato per
clusterizzare i luoghi di interesse e identificare i centroidi
Calcolare l’effettiva distanza
Una volta individuati i centroidi del cliente, calcolare la distanza
rispetto alle filiali della banca tenendo conto del chilometraggio
effettivo e delle informazioni sul traffico (tempo, giorno della
settimana, ecc.) in modo da identificare la filiale più vicina
Copyright © 2018 Accenture All rights reserved.
CLUSTERING METHOD: K-MEANS ALGORITHM
L'algoritmo segue una procedura
iterativa:
• inizialmente crea K partizioni e
assegna ad ogni partizione i punti
d'ingresso o casualmente o usando
alcune informazioni euristiche
• calcola il centroide di ogni gruppo;
• costruisce quindi una nuova
partizione associando ogni punto
d'ingresso al cluster il cui centroide
è più vicino ad esso;
• vengono ricalcolati i centroidi per i
nuovi cluster e così via, finché
l'algoritmo non converge.
Copyright © 2018 Accenture All rights reserved.
CLUSTERING METHOD: K-MEANS ALGORITHM
L'algoritmo segue una procedura
iterativa:
• inizialmente crea K partizioni e
assegna ad ogni partizione i punti
d'ingresso o casualmente o usando
alcune informazioni euristiche
• calcola il centroide di ogni gruppo;
• costruisce quindi una nuova
partizione associando ogni punto
d'ingresso al cluster il cui centroide
è più vicino ad esso;
• vengono ricalcolati i centroidi per i
nuovi cluster e così via, finché
l'algoritmo non converge.
Copyright © 2018 Accenture All rights reserved.
ESEMPIO: CUSTOMER BEHAVIOURAL SEGMENTATIONCLASSIFICAZIONE AS-IS DELLA CLIENTELA
<50 K
Da 50K a 750K Affluent
Mass
Market
Medie
imprese
Micro-
impresa
Top
PrivateCore
Corporate
> 750 K
Large
Corporate
PatrimonioFatturato e/o
AccordatoP
RIV
AT
I
IMP
RE
SE
F: ≤ 0,25 mln
A: ≤ 0,02 mln
F: Da 0,25 a 10 mln
A: 0,02 a 7 mln
F: Da 10 a 200 mln
A: Da 7 a 100 mln
F: >200 mln
A: > 100 mln
Copyright © 2018 Accenture All rights reserved.
ESEMPIO: CUSTOMER BEHAVIOURAL SEGMENTATIONGLI AFFLUENT SONO CLIENTI A MAGGIOR VALORE
15%
30%
20%
80%
18%
22%
Copyright © 2018 Accenture All rights reserved.
ESEMPIO: CUSTOMER BEHAVIOURAL SEGMENTATIONDASHBOARD DI VALUTAZIONE DELLE IPOTESI
Copyright © 2018 Accenture All rights reserved.
ESEMPIO: CUSTOMER BEHAVIOURAL SEGMENTATIONDASHBOARD DI VALUTAZIONE DELLE IPOTESI
Copyright © 2018 Accenture All rights reserved.
ESEMPIO: CUSTOMER BEHAVIOURAL SEGMENTATIONTECNICHE STATISTICHE UTILIZZATE
✓ Principal Component Analysis (PCA)
Nota anche come Trasformata di Karhunen-Loève (KLT), Trasformata di Hotelling o Decomposizione ortogonale
propria, la PCA è una tecnica di riduzione dimensionale usata per identificare un numero minore di variabili
scorrelate all’interno del dataset
Copyright © 2018 Accenture All rights reserved.
ESEMPIO: CUSTOMER BEHAVIOURAL SEGMENTATIONTECNICHE STATISTICHE UTILIZZATE
✓ Principal Component Analysis (PCA)
Copyright © 2018 Accenture All rights reserved.
ACCENTURE OVERVIEW /1
Nel Mondo
442.000
120
NYSE
In Italia
13.000
5
5
È QUOTATA AL NYSE DAL 2001
NEL MONDO ACCENTURE
CONTA OLTRE 400 MILA
PROFESSIONISTI
E SOSTIENE LA CRESCITA
DELLE PROPRIE PERSONE.
ACCENTURE OPERA IN OLTRE 120
PAESI.
PROFESSIONISTI IN ITALIA
SONO PRESENTI 5 CENTRI DI INNOVAZIONE PER LO SVILUPPODI SOLUZIONI AVANZATE.
IN ITALIA LE SOCIETÀ DEL
GRUPPO SI DIVIDONO TRA LE SEDI
DI MILANO, ROMA, TORINO,
NAPOLI, BOLOGNA OLTRE A
DIVERSI UFFICI.
Copyright © 2018 Accenture All rights reserved.
ACCENTURE OVERVIEW /2LE CINQUE AREE DI ACCENTURE
Copyright © 2018 Accenture All rights reserved.
PERCORSO DI CARRIERA @ACCENTURE
ANALYST CONSULTANT MANAGER SENIOR MANAGER MANAGING DIRECTOR
Career Track:
CLIENT & MARKET